说说python自带的speech和speech_recognition的使用以及效果

人工智能这么火爆的时代，近来正好有时间就想研究以下智能语音这块的内容，虽然感觉自带的模块应该识别不太准确，不然就不会有百度的padder，google的tensorflow等框架，但是路要一步步走，饭也要一步步吃，初学的时候总要各种尝试一下。以下内容是我最近两天的尝试结果。

 环境win10，python3.7

先说说speech，这个贼简单 

 

pip install speech

• recognize_bing(): Microsoft Bing Speech

• recognize_google(): Google Web Speech API

• recognize_google_cloud(): Google Cloud Speech - requires installation of the google-cloud-speech package

• recognize_houndify(): Houndify by SoundHound

• recognize_ibm(): IBM Speech to Text

• recognize_sphinx(): CMU Sphinx - requires installing PocketSphinx

• recognize_wit(): Wit.ai

目前我使用的是这个：recognize_sphinx，因为

以上七个中只有 recognition_sphinx（）可与CMU Sphinx 引擎脱机工作， 其他六个都需要连接互联网。

SpeechRecognition 附带 Google Web Speech API 的默认 API 密钥，可直接使用它。其他六个 API 都需要使用 API 密钥或用户名/密码组合进行身份验证，因此本文使用了 Web Speech API。

 

安装之后就可以让他说话了，在import speech的时候，会出现一些环境的配置，我这边是win10的系统，就会出现语音识别的相关设置，按照提示操作即可。

import speech

#这边三行是自己会说话
speech.say("小王王 你好呀")
speech.say("hello world")
speech.say("要开始啦")

#这边是进行对话
while True:
    print(u"开始说话")
    say = speech.input()  # 接收语音
    speech.say("you said:" + say)  # 说话
    print(u"说话结束")
    if say == "你好":
        speech.say("How are you?")
    elif say == "天气":
        speech.say("今天天气棒棒棒!")
    elif say == "小王王":
        speech.say("小王王 棒棒棒")
    elif say == "小丽平":
        speech.say("小丽平 六六六")
    else:
        speech.say("对不起 我不知道你说什么")

 

运行完，以上程序，我发现它总是不知道我在说啥，于是回复我-->对不起 我不知道你说什么，就一个你好回答对了，不过还是要尝试一下。

 

 

然后我就想说可不可以自己录一个音频，实现识别的效果，于是发现speech_recognition这个库，也是很简单直接安装一下，但是需要安装别的包。

pip install speech_recognition -i https://mirror.baidu.com/pypi/simple

然后这个还需要pocketsphinx这个库，于是win10安装一直报错，我就干脆直接下载wheel的轮子，去这个网站https://www.lfd.uci.edu/~gohlke/pythonlibs/#pocketsphinx，搜索pocketsphinx，下载对应的版本到本地即可，然后直接pip install 你下载的.wheel就可以啦

 

 

 

相关录音代码识别

# -*- coding: utf-8 -*-
import speech_recognition as sr
AUDIO_FILE = "11.wav"
r = sr.Recognizer()
with sr.AudioFile(AUDIO_FILE) as source:
    audio = r.record(source)  # read the entire audio file

res = r.recognize_sphinx(audio)
res1 = res.split(" ")
# for each in res1:
print(" ".join(res1))

运行结果：（其实我说的是你好你好 运动 生活）

 

 

 

说道这里，大家可能会遇到一些问题，比如碰到这个错误

第一种错误：

Audio file could not be read as PCM WAV, AIFF/AIFF-C, or Native FLAC; check if file is corrupted or in another format

 

这个是啥意思呢，就是你的音频文件必须是wav的格式，而不是你录音之后就直接修改后缀名就可以的，我的是华为手机，录制的音频是ma4，

首先我要转换为wav，我们可以去这个网上在线转换后下载https://www.aconvert.com/cn/audio/m4a-to-mp3/，

如果是mp4的，这个地址转换wav格式，https://www.aconvert.com/cn/audio/mp4-to-mp3/。

 

明明你这玩意是中文的被翻译成英文的，因为这个库的安装路劲下面只有en-US,当然只能翻译成英文的啦

 

 

于是我们需要添加一个zh-CN的文件夹，下载对应的中文就可以啦

（1）到对应的python库安装路径下新建zh-CN

（2）https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/下载对应的中文库，下载对应的压缩包后解压

 

 （3）复制以下内容并修改命名

 

最后发现为啥还是不行，因为代码初始化的时候默认是英文 en-US，所以这边代码修改一下，即可

 

 或者修改前面的传参：

 

 

 

 

 然后在执行以下你的代码就可以翻译成中文了，感觉python自带的库，最后的结果貌似不太理解，只好在研究研究啦，加油！我感觉可能配置上训练或者学习，可能可以实现比较好的效果，继续研究，有时间的话再分享。